代码随想录算法训练营Day42 | 1049. 最后一块石头的重量 II、494. 目标和、474.一和零 | Python | 个人记录向

1049. 最后一块石头的重量 II

代码随想录：1049. 最后一块石头的重量 II
Leetcode：1049. 最后一块石头的重量 II

做题

经提示，与 Day41 的 416. 分割等和子集 很像，求解如下：

class Solution:
    def lastStoneWeightII(self, stones: List[int]) -> int:
        stones_sum = sum(stones)
        target = stones_sum // 2
        n = len(stones)
        dp = [0] * (target+1)
        for i in range(n):
            for j in range(target, stones[i]-1, -1):
                dp[j] = max(dp[j], dp[j - stones[i]] + stones[i])
        return stones_sum - 2 * dp[target]

时间复杂度：O(m × n) , m是石头总重量（准确的说是总重量的一半），n为石头块数
空间复杂度：O(m)

看文章

思路一致。

494. 目标和

代码随想录：494. 目标和
Leetcode：494. 目标和

做题

无思路。

看文章

通过数学推理，转换为01背包问题。分割成两个集合，一个集合为加，集合求和为left，另一个集合为减，集合求和为right。那么，left - right = target。而全集合的和为sum，故 left + right = sum。那么，可以推理得到 left = (sum + target) / 2。到此，问题就转换为，找出和为left的集合，有几种组合方法。
定义dp[j]：容量为 j 时，有多少种组合方法。
最终代码如下：

class Solution:
    def findTargetSumWays(self, nums: List[int], target: int) -> int:
        total_sum = sum(nums)  # 计算nums的总和
        if abs(target) > total_sum:
            return 0  # 此时没有方案
        if (target + total_sum) % 2 == 1:
            return 0  # 此时没有方案
        target_sum = (target + total_sum) // 2  # 目标和
        dp = [0] * (target_sum + 1)  # 创建动态规划数组，初始化为0
        dp[0] = 1  # 当目标和为0时，只有一种方案，即什么都不选
        for num in nums:
            for j in range(target_sum, num - 1, -1):
                dp[j] += dp[j - num]  # 状态转移方程，累加不同选择方式的数量
        return dp[target_sum]  # 返回达到目标和的方案数

474.一和零

代码随想录：474.一和零
Leetcode：474.一和零

做题

相当于有两个约束（常规的01背包只有一个重量约束）。

看文章

按照文章思路写了一下，发现最后return位置放错了（放在for里面了）。

class Solution:
    def findMaxForm(self, strs: List[str], m: int, n: int) -> int:
        dp = [[0] * (n + 1) for _ in range(m + 1)]  # 创建二维动态规划数组，初始化为0
        # 遍历物品
        for s in strs:
            ones = s.count('1')  # 统计字符串中1的个数
            zeros = s.count('0')  # 统计字符串中0的个数
            # 遍历背包容量且从后向前遍历
            for i in range(m, zeros - 1, -1):
                for j in range(n, ones - 1, -1):
                    dp[i][j] = max(dp[i][j], dp[i - zeros][j - ones] + 1)  # 状态转移方程
        return dp[m][n]

时间复杂度: O(kmn)，k 为strs的长度
空间复杂度: O(mn)

以往忽略的知识点小结

• 将问题拆分为求两个子集，可能需要数学推导
• 多个约束的背包问题

个人体会

完成时间：2h30min。
心得：动态规划的思路挺有意思的。

​